BabelArena：多语言智能体基准

BabelFlow通过保结构翻译、多层验证与人工复核，将既有智能体基准扩展至多语言。

推荐理由：关键贡献不是简单翻译题目，而是识别运行时依赖并保持工作流结构；这使跨语言智能体评测更可比，也能暴露英语基准掩盖的能力差距。